EJEMPLO

Titulo

Voy a trabajar con la base de defunciones

OPERACIONES BÀSICAS

## # A tibble: 1 × 1
##   Promedio
##      <dbl>
## 1     15.8

## # A tibble: 1 × 2
##   Promedio Dia_nac
##      <dbl>   <dbl>
## 1     15.8    16.8

## # A tibble: 32 × 2
##    ent_regis Median
##    <chr>      <dbl>
##  1 01            16
##  2 02            16
##  3 03            16
##  4 04            15
##  5 05            16
##  6 06            16
##  7 07            15
##  8 08            16
##  9 09            16
## 10 10            16
## # … with 22 more rows
## # ℹ Use `print(n = ...)` to see more rows

Marginaciòn

Voy a relacionar las defunciones con la poblaciòn y la marginaciòn tambièn aprenderè a leer archivos excel y màs..

primer paso leer la base de datos

library(readxl)
IME_2020 <- read_excel("IME_2020.xls", skip = 3)

## New names:
## • `` -> `...16`

FILTRAR NA

IME_2020<-IME_2020 %>% 
  filter(!is.na(CVE_ENT),
         !is.na(POB_TOT))

Mi primer uniòn de bases

generè un objeto que tiene las defunciones por entidad y al unirè a la poblaciòn y indicadores de marginaciòn

ent_def<-defunciones %>% 
  group_by(ent_regis) %>% 
  tally()

Lo harè a travès de una funciòn llamada “join” mi variable se llama ent_regis y de poblaciòn se llama CVE_ENT

def_final<-left_join(ent_def,IME_2020,by=c("ent_regis"="CVE_ENT"))

# agregar columnas

Con mutate voy a crear variables

def_final %>% 
  mutate(tasa_100=(n/POB_TOT)*100000) %>% 
  select(1,2,3,POB_TOT,tasa_100)

## # A tibble: 32 × 5
##    ent_regis     n NOM_ENT              POB_TOT tasa_100
##    <chr>     <int> <chr>                  <dbl>    <dbl>
##  1 01         6320 Aguascalientes       1425607     443.
##  2 02        20820 Baja California      3769020     552.
##  3 03         3984 Baja California Sur   798447     499.
##  4 04         4524 Campeche              928363     487.
##  5 05        16715 Coahuila de Zaragoza 3146771     531.
##  6 06         4917 Colima                731391     672.
##  7 07        26629 Chiapas              5543828     480.
##  8 08        24033 Chihuahua            3741869     642.
##  9 09        75648 Ciudad de México     9209944     821.
## 10 10         9256 Durango              1832650     505.
## # … with 22 more rows
## # ℹ Use `print(n = ...)` to see more rows

grafico <- def_final %>% 
  mutate(tasa_100=(n/POB_TOT)*100000) %>% 
  select(1,2,3,POB_TOT,tasa_100) %>% 
  ggplot()+
  geom_col(aes(x=NOM_ENT,y=tasa_100,fill=NOM_ENT))

Gràficoo dinàmico con ayuda de plotly

library(plotly)

## 
## Attaching package: 'plotly'

## The following object is masked from 'package:ggplot2':
## 
##     last_plot

## The following object is masked from 'package:stats':
## 
##     filter

## The following object is masked from 'package:graphics':
## 
##     layout

ggplotly(grafico)